使用scikit-learn.k-means库输出最接近每个集群中心的50个样本

Question

我使用python scikit-learn库在5000多个样本上拟合了k-means算法。我希望最接近集群中心的50个样本作为输出。我该如何执行此任务？

Answer 1

如果km是k-means模型，则数组j中每个点与X'\ n \ n \ n质心的距离为

d = km.transform(X)[:, j]

这给出了len(X)距离的数组。最接近质心j的50的索引是

ind = np.argsort(d)[::-1][:50]

所以最靠近质心的50个点是

X[ind]

（或者如果您有最近的NumPy，请使用argpartition，因为它的速度要快得多。）

Answer 2

对@ snarly的回答进行了一次修正。

执行 d = km.transform(X)[:, j] 后

， d包含距离到centroid(j)的元素，而不是相似之处。

所以为了给出最接近的top 50 indices，你应该删除＆＃39; -1＆＃39; ，即

ind = np.argsort(d)[::][:50]

（通常，d按升序排序距离得分。）

另外，也许是更短的做法

ind = np.argsort(d)[::-1][:50] 可能是

ind = np.argsort(d)[:-51:-1]。

Answer 3

如果您在列表中有中心值的距离，则可以使用sort。

results = [(distance_to_center, (x, y)), (distance_to_center, (x, y)), ...]
results.sort()
# get closest 50
closest_fifty = results[:50]